Fast.ai 的新课来了，给你详细介绍 Stable Diffusion 原理
最近跟学生们学了个新词儿，叫做「双厨狂喜」。一般形容两个知名创作者合作出来的作品 ------ 例如视频或者直播等 ------ 很受大伙儿欢迎。
这次，告诉你一个好消息，fast.ai 要和 Huggingface, Stability.ai（Stable Diffusion 作者之一）等各方一起创作一门新课程，叫做 From Deep Learning Foundations to Stable Diffusion。这，算是几个厨子来着？
这门课将以 fast.ai 的 Practical Deep Learning for Coders 第五版作为基础，往后介绍 Stable Diffusion 的原理。Jeremy Howard 说他会用新的方式让普通人理解 Stable Diffusion 模型。学完这门课程，你会从原理上懂得最近爆火的人工智能绘图模型究竟如何工作。
课程将涉及到的内容包括但不限于：
Transformers
unets
resnets
CLIP
autoencoders
这些内容，对于理解人工智能绘画，将非常有帮助。从此别人眼里的魔法，在你这儿就可以平视甚至俯视了。
你可能会认为，这么高级的课程，应该很难掌握吧？Jeremy Howard 说得非常清楚，你只需要掌握中学层次的数学就可以，不需要对高等数学有充分的了解和训练。根据 Practical Deep Learning for Coders 课程之前版本的学习，我相信他这话不是吹牛。毕竟，他的课程面向的是普通人，而非数学专业。
其实 fast.ai 的课程之前我已经不止一次为你介绍和推荐过了，你可以参考以下这些链接查看学了这课及其特色框架，你都能干些啥：
紧接着，下一个问题就来了，这样的课程，得花多少钱啊？
这次 fast.ai 是和昆士兰大学合作的课程。对于普通学生来说，价格着实不菲。学生价要 175 美元。但是别急，咱们还是有办法名正言顺不交钱的。
方法就是申请 fast.ai 提供的全额奖学金。注意 fast.ai 提供了以下几个通道。你如果符合要求，就能申请并获得：
开放源码作者。Github 开源项目（50 个星以上）的核心贡献者；
研究小组的组织者。管理一个有 6 个以上成员的公开 fast.ai 研究小组；
使用 fast.ai 的学术界人士。发表了一篇引用 fast.ai 项目的科学论文，并有 10 次以上的引用；
使用 fast.ai 的开放源码。在 github 上创建了一个使用并引用任何 fast.ai 项目的 5 星以上的项目
其他（例如论坛上的活跃用户和之前课程的奖学金获得者。这些用户都是自动获得本课程奖学金，无需申请）
我看了一下，自己之前在 Github 上建立了不少开源项目，而且其中好几个用到了 fast.ai ，所以至少符合上述条件中至少两条，就赶紧用我的 mindmap2slide 这个 Github 项目进行了申请。
我是前天晚上才提交的申请。
今天凌晨 1 点多收到了 Jeremy Howard 署名的确认通知， fast.ai 审核效率确实很高。
然后我就通过信件里面说明的方法，加入了课程。
课程的第一讲，会在 10 月 11 日（周二）开始，然后每周一次课。因为有时差关系，你未必有时间看课程的直播。不过没关系，只要你现在注册成功，将来都可以获得视频的回放链接。
目前到开课，还有一段时间。如果你对 Stable Diffusion 感兴趣，请抓紧申请全额奖学金。这样一来，10 月份开课的时候，你也可以系统化学习这门课程了。
如果注册成功后，你等不及要了解 Stable Diffusion ，可以先参考课程论坛提供的相关资源。
也可以 看看我的这个介绍视频。
这样等到 10 月份开课的时候，你对于讨论的上下文（人工智能绘图应用）应该更加清晰明确。另外，我非常推荐你趁着即将到来的假期，把课程的第一部分，也就是 Practical Deep Learning for Coders 的视频看完，特别是注意把里面的代码跑一下。放心，你没有 GPU 也不要紧，因为课程提供了一系列的链接，给你推荐了廉价甚至免费的云计算资源，例如 Google Colab 和 Kaggle 等。还有一些 fast.ai 课程学习者的专属折扣券。
当你有了这门课的基础后，学起后面的课程会更加得心应手。
祝奖学金申请顺利，深度学习愉快！
点赞 +「在看」，转发给你身边有需要的朋友。收不到推送？那是因为你只订阅，却没有加星标。
如果有问题咨询，加入知识星球吧。之前已经积累下的帖子和问答，就有数百篇。足够你好好翻一阵子。
若文中部分链接可能无法正常显示与跳转，可能是因为微信公众平台的外链限制。如需访问，请点击文末「阅读原文」链接，查看链接齐备的版本。